pandas常用基本函数

python基础篇（三）

这篇主要整理pandas常用的基本函数，主要分为五部分：

• 汇总函数
• 特征统计函数
• 唯一值函数
• 替换函数
• 排序函数

1、汇总函数

常用的主要是4个：

• tail(): 返回表或序列的后n行
• head(): 返回表或序列的前n行
• info(): 返回表的信息概况
• describe(): 返回表中数值列对应的主要统计量

n默认为5

df.describe()

#运行截图
	Height	Weight
count	183.000000	189.000000
mean	163.218033	55.015873
std	8.608879	12.824294
min	145.400000	34.000000
25%	157.150000	46.000000
50%	161.900000	51.000000
75%	167.500000	65.000000
max	193.900000	89.000000

2、特征统计函数

在Series和DataFrame上定义了许多统计函数，最常见的是：

• sum
• mean （均值）
• median （中位数）
• var （方差）
• std （标准差）
• max
• min

用法示例

df_demo = df[['Height', 'Weight']]
df_demo.mean()

聚合函数

• quantile (返回分位数)
• count （返回非缺失值个数）
• idxmax （最大值对应的索引）

聚合函数，有一个公共参数axis，axis=0代表逐列聚合，axis=1表示逐行聚合

df_demo.mean(axis=1).head()

3、唯一值函数

唯一值函数常用的四个函数：

• unique() : 得到唯一值组成的列表->统计出指定列唯一存在的值有哪些
• nunique() ：唯一值的个数->统计出指定列唯一存在的值总共有多少个
• value_counts() ： 得到唯一值和其对应出现的频数
• drop_duplicates() ： 去重
• duplicated()

drop_duplicates()基本用法

• 关键参数keep
• first ： 保留第一次出现的重复行，删除后面的重复行
• last ： 删除重复项，除了最后一次出现
• False：把所有重复组合所在的行剔除。

需要指定列

代码：

#原本的数据样例
df_demo = df[['Gender','Transfer','Name']]
df_demo

	Gender	Transfer	Name
0	Female	N	Gaopeng Yang
1	Male	N	Changqiang You
2	Male	N	Mei Sun
3	Female	N	Xiaojuan Sun
4	Male	N	Gaojuan You
...	...	...	...
195	Female	N	Xiaojuan Sun
196	Female	N	Li Zhao
197	Female	N	Chengqiang Chu
198	Male	N	Chengmei Shen
199	Male	N	Chunpeng Lv
200 rows × 3 columns

#现给Gender,Transfer两列去重
df_demo.drop_duplicates(['Gender','Transfer'])

	Gender	Transfer	Name
0	Female	N	Gaopeng Yang
1	Male	N	Changqiang You
12	Female	NaN	Peng You
21	Male	NaN	Xiaopeng Shen
36	Male	Y	Xiaojuan Qin
43	Female	Y	Gaoli Feng

由此可见，使用了first参数，保留第一次出现的重复行，删除后面的重复行

在未指定参数的情况下，keep默认first；

指定last

案例如下:

df_demo.drop_duplicates(['Gender', 'Transfer'], keep='last')

	Gender	Transfer	Name
147	Male	NaN	Juan You
150	Male	Y	Chengpeng You
169	Female	Y	Chengquan Qin
194	Female	NaN	Yanmei Qian
197	Female	N	Chengqiang Chu
199	Male	N	Chunpeng Lv

last:删除所有的重复行，只保留出现的最后一个

• drop_duplicates() & duplicated()的区别
  duplicated和drop_duplicates的功能类似，但前者返回了是否为唯一值的布尔列表，其keep参数与后者一致。其返回的序列，把重复元素设为True，否则为False。 drop_duplicates等价于把duplicated为True的对应行剔除。

4、替换函数

替换函数有三类：

• 映射函数：replace()…
• 逻辑函数：（1）where （2）mask
• 数值替换

replace的用法

#原本的数据
df_demo = df[['Gender','Transfer','Name']]
df_demo

	Gender	Transfer	Name
0	Female	N	Gaopeng Yang
1	Male	N	Changqiang You
2	Male	N	Mei Sun
3	Female	N	Xiaojuan Sun
4	Male	N	Gaojuan You
...	...	...	...
195	Female	N	Xiaojuan Sun
196	Female	N	Li Zhao
197	Female	N	Chengqiang Chu
198	Male	N	Chengmei Shen
199	Male	N	Chunpeng Lv
200 rows × 3 columns

#替换Gender，女替换为0，男替换为1
df['Gender'].replace({'Female':0, 'Male':1}).head()

0    0
1    1
2    1
3    0
4    1
Name: Gender, dtype: int64

逻辑替换

逻辑替换包括了where和mask，这两个函数是完全对称的：where函数在传入条件为False的对应行进行替换，而mask在传入条件为True的对应行进行替换，当不指定替换值时，替换为缺失值（NAN）

s = pd.Series([-1, 1.2345, 100, -50])
s.where(s<0)

0    -1.0
1     NaN
2     NaN
3   -50.0
dtype: float64

s.where(s<0, 100)

0     -1.0
1    100.0
2    100.0
3    -50.0
dtype: float64

s.mask(s<0)

0         NaN
1      1.2345
2    100.0000
3         NaN
dtype: float64